4,445 文字
人工知能が、人間が未だ発見していない真の科学的発見、実際の新しい科学を生み出すとき、何が起こると思いますか。これは、AIが人工超知能（ASI）を達成するための絶対的な前提条件です。以前、レオポルド・アッシェンブレナーの状況認識に関する論文について動画を作りましたが、その論文では特に「知能爆発」と呼ばれるものに言及していました。それは間違いなく知能爆発となり、人間の知能は遥か後方に取り残されることになるでしょう。従って、最初の超知能マシンは人類が作る必要のある最後の発明品となります。これは映画「マトリックス」の前提となる考えです。非常に恐ろしいことです。
AIが自身の科学的発見を行い、それを自身に再適用する、つまり自己改善を行い、そしてその時点で、再帰的に自己改善を行うAIエージェントを何百、何千、何百万と展開する、それが知能爆発です。実際に科学分野に適用された場合、それはどのような姿になるのでしょうか。科学が解決されたとき、社会はどのような姿になるのでしょうか。
これが今日見ていく内容です。これはMITのエイダン・トーナー・ロジャーズによる「人工知能の科学的発見と製品革新」という研究論文で、約1週間前に発表されたばかりです。エイダンが行ったのは、米国最大の科学研究・発見研究所の1000人以上の科学者に人工知能研究者を提供することでした。
数ヶ月前、日本のSakana AIラボから「AIサイエンティスト」というものがリリースされましたが、これは実際にどのようなものになるかの一端を示すものでした。定理を提案し、テストを実行し、反復し、失敗し、新しい科学を発見できるAIです。
ここで述べられているように、「これらの問題に関する証拠を提供するため、米国の大手企業のR&D研究所で1,800人の科学者に材料発見のためのAIツールをランダムに導入しました」。
従来の科学的発見のプロセスはどのようなものでしょうか。もちろん、多くの手作業があり、そこでAIが役立つことができます。従来、科学者たちは高価で時間のかかる試行錯誤のシステムを通じて材料を発見し、多くの潜在的な構造を概念化し、その特性をテストしていました。
ここで少し話を変えましょう。Googleは世界を変え、最近Googleの研究者たちはAlpha Foldでノーベル賞を受賞しました。これは基本的にタンパク質の折りたたみを予測できるもので、タンパク質を予測することができます。それ以前は、基本的に試行錯誤か、大量の計算能力を投入する必要があり、実際に発見できるタンパク質の量はほんの一部でした。しかし、Alpha Fold、そしてAlpha Fold 2、そして最近発表されたAlpha Fold 3により、潜在的なタンパク質の全宇宙を本質的に予測することができ、それによって多くの潜在的な科学的発見が解き放たれました。
論文に戻りましょう。このAI技術は、このプロセスを部分的に自動化するために深層学習の発展を活用します。既存の材料の組成と特性について訓練を受けたモデルは、特定の特性を持つと予測される新規化合物のレシピを生成します。
私たちは今、とても特殊で、おそらく今まで発見されなかったような材料にアクセスできるようになりました。それらは、より軽く、生産コストが安く、より強く、または問題に必要なあらゆる特性を持つ材料です。私たちは今、そのようなものすべてにアクセスできるようになりました。つまり、材料の生産に関する制限のために以前は解決できなかった世界の問題が、今では完全に解決可能になったということです。
このビデオのスポンサーであるWeights and BiasesのWeaveに感謝します。私はWeights and Biasesとその全ての成果の大ファンなので、Weaveについてお話しできることをとても嬉しく思います。
Weaveは、素晴らしいWeights and Biasesチームによって構築された、LLMアプリケーションを追跡および評価するための軽量なツールキットです。Weaveを使用して、言語モデルの入力、出力、メタデータをログに記録してデバッグし、言語モデルのユースケースに対して厳密な同等比較評価を構築し、実験から評価、本番環境まで、LLMワークフロー全体で生成されるすべての情報を整理することができます。
Weaveは2行のコードだけで実装でき、可視性を提供し、デバッグを支援し、評価をより簡単かつ迅速にします。コストと結果の可視性が得られ、プロンプトとモデルのバージョン管理ができます。さらに、OpenAI、Anthropic、Mistral、Cohere、LangChain、LlamaIndex、その他多くのお気に入りのAPIやライブラリとシームレスに統合されます。
Weights and Biasesにアクセスして、彼らのWeave製品をチェックしてください。説明欄にリンクを載せておきます：wb.me/MB。スポンサーとして迎えられたことを誇りに思います。ありがとうございました。
では、ビデオに戻りましょう。新しいプロセスはこのようになっています。アイデア生成、つまり新しい材料や科学的研究のアイデアは、今やAIによって行われています。アイデア生成はもはや科学者によって行われていません。
次に、候補材料の選定、それらの候補材料のテスト、偽陽性が出た場合は実際の優れた材料を見つけるための反復ループに入り、その後、実行可能な材料が見つかれば特許を申請し、新製品のプロトタイプを作成し、改良された製品プロトタイプを作り、というように進んでいきます。そしてここのグレーの部分が商業化です。
従来は人間が非常に手作業で非効率な方法で行っていたこのプロセス全体が、今ではAIによって行うことができます。そしてそれが実現したとき、何が起こるでしょうか。研究のブレークスルーの数が急増し、特許の数が急増し、トップ研究者の生産性が急増します。この微妙なニュアンスについては後ほど触れたいと思います。
AIが科学研究プロセスを実際に支援できるようになると、多くのことが可能になります。実際の数字を見てみましょう。AIアシスタント研究者は44%多くの材料を発見し、その結果、特許出願が39%増加し、下流の製品イノベーションが177%上昇しました。これらの化合物はより新規な化学構造を持ち、より画期的な発明につながっています。
しかし、すべての研究者に対して同じ効果があるわけではありません。その分野のトップ科学者たちが最も恩恵を受け、発見プロセスが劇的に改善された一方で、下位3分の1の研究者たちはまったく変化が見られませんでした。
論文が述べているように、この技術は生産性分布全体で驚くほど異なる効果を持っています。下位3分の1の科学者たちはほとんど恩恵を受けず、トップ研究者の生産性は約2倍になります。AIはアイデア生成タスクの57%を自動化することができ、研究者たちはモデルが生成した候補材料を評価する新しいタスクに再配置されています。
つまり、トップ研究者たちはテストする潜在的な候補を考え出すことに時間を費やすのではなく、AIモデルが提案するトップ候補を取り上げ、実際のテストに時間を費やすことになります。これは予見可能な将来におけるAIと人間の関係性の良い例えだと思います。AIはますます多くの単調で反復的な種類の地道な作業を引き受け、人間はより実践的な意思決定や道徳、判断などのタスクを担当することになります。
しかし、すべてが良いわけではありませんでした。ここに問題があります。科学者たちは実際に仕事の充実感が大幅に低下したと報告しています。これを聞いてください。科学者の82%が創造性の低下とスキルの未活用により、仕事への満足度が低下したと報告しています。
より大きな成果を上げることができたにもかかわらず、彼らは自分たちが行っている仕事に対してそれほど満足を感じていませんでした。これは人類の未来にとって非常に示唆的です。私たちの創造的なタスクがすべてAIにアウトソースされるとすれば、私たちは満足感を失うのでしょうか。おそらくそうかもしれませんが、私たちが本当にやりたい創造的なタスクのために時間を解放してくれるとも思います。
ここで人工知能の異なるステージについて少し話をしましょう。この論文といくつかの他の論文を最近読んでいて、私たちはAIの次のステージの境目にいると思います。
まず、レベル1があります。これは基本的なチャットボット、会話言語を持つAIで、GPTシリーズのモデルです。
次にレベル2があります。これは推論者、人間レベルの問題解決者で、後期のGPTモデルに到達したときのものです。これらは推論が非常に優れており、本質的にチューリングテストを簡単にパスします。
そして、レベル3があります。行動を起こすことができるエージェントとシステムで、私たちはまさにその表面を掻き始めたところです。
しかし、ここで私たちは並行して、レベル4の表面も掻き始めているようです。発明を支援できるイノベーターAIです。
ここでもう一度、レオポルド・アッシェンブレナーによる状況認識の論文を参照します。ここに知能爆発があります。そこには何と書いてあるでしょうか。自動化されたAI研究、つまりAIが研究を行い、新しい科学を発見し、それを自身に適用できるとき、再帰的な自己改善、それが超知能を持つことになる時です。なぜなら、再帰性こそがすべてに必要なものだからです。
そして再び、Sakana AIの論文「AIサイエンティスト：完全に自動化されたオープンエンドの科学的発見に向けて」。これはアイデアを考え出し、アイデアをテストし、結論を導き出し、実際に研究を発表できるモデルです。
私たちは、LLMのアイデア、計画、革新、新規性チェック、アイデアスコアリング、実験、コーディング、従来のAI科学者が行うすべてのことを持っています。今では、このSakana AIの論文「AIサイエンティスト」で示されているように、少なくともできることの一端が示されています。
しかし、それは最後の考えをもたらします。AIが私たちのコーディングを行い、AIが私たちの科学を発見するとすれば、それは私たちがその生の知性からますます遠ざかることを意味するのでしょうか。そしてもし私たちがますます遠ざかっていくとすれば、それを同じように理解することができるのでしょうか。そしてある時点で、私たちは単に私たちの知性をすべてAIに委ねているだけなのでしょうか。わかりません。これらはすべて、人工超知能に近づくにつれて、深く考えていく必要のある問題です。
この動画を楽しんでいただけたなら、いいねとチャンネル登録をご検討ください。次の動画でお会いしましょう。
コメント